class: center, middle, inverse, title-slide # 서울시 열섬현상 완화를 위한 ## 바람길/녹지 위치 선정 ### 아무튼 뽀개기 ### 2019-06-20 --- # **목차 ** </br> ##1. 문제 정의 ##2. 데이터 및 분석 도구 ##3. 분석 결과 ##4. 해결책 제시 --- #**1. 문제 정의** ## **도시 열섬 현상** *** ####- 주변의 비도시 지역에 비해 도시 지역의 온도가 높아지는 현상 ####- 도시민의 건강 및 생활환경에 영향, 냉방에너지 수요 증가 ####- 열섬 현상을 유발하는 도시적 환경을 교정할 필요 --- # **1. 문제 정의** </br> ## >> <u>바람길 조성</u>과 <u>녹지화</u>가 효과적인 해결책 (성선용 외, 2019) </br> #### 1) 바람길을 통해 도시 외부의 차고 신선한 공기 유입 #### 2) 녹지를 통해 태양열을 반사 </br> #### + 바람길과 그린 인프라의 조합으로 미세먼지를 효과적으로 흡착, 순환 --- class: center, middle ### 열섬 현상을 효과적으로 해결할 수 있는 ##**최적의 바람길 / 녹지 위치 선정!** --- # **2. 데이터 및 분석 도구** ### **2-1. 사용한 데이터** *** #### 1) **랜샛 위성 사진** : 지표면 온도 파악 #### 2) **미세먼지 데이터** : 입자 크기별 미세먼지 농도 #### 2) **풍속/풍향** : 지상 10m, 80m에서 연 평균 풍속/풍향 #### 3) **토지피복** : 상업 업무지, 도로, 일반주택지, 인공녹지, 하천 등 #### 4) **고도** : 해발고도 </br> ###### 데이터 출처: 서울 열린데이터 광장, 국가공간정보포털, 기상청, 기타 공공데이터 포털 --- # **2. 데이터 및 분석 도구** ### **2-2. 분석 도구** *** ###1) R, Python ###2) QGIS **: 데이터 뷰, 편집, 분석을 제공하는 <u>오픈소스</u> 데스크톱 지리 정보 체계 응용 프로그램** --- # **3. 분석 결과 ** ### 분석 흐름 *** ### 1) 열섬현상(온도)과 미세먼지의 지리적 분포 파악 ### 2) 상관관계 분석을 통해 열섬현상과 미세먼지에 영향을 미치는 변수 파악 ### 3) 추려진 변수들을 통해 지역을 클러스터링 </br> ## >> *각 클러스터의 특성을 고려해 해결책 제시* --- # **3. 분석 결과 ** ### 최종 변수 *** ####1. 온도(avg_tmp) ####2. 풍속(X10m_wind_speed, X80m_wind_speed, difference_wind) ####3. 토지피복도(녹지) ####4. 토지피복도(건물) ####5. 토지피복도(도로비율) ####6. 해발고도(avg_ele, num_ele) --- # **3. 분석 결과 ** ## **토지피복** *** ``` ## [1] "fid" "상업.업무지.도시._비율" ## [3] "도로.도시._비율" "일반주택지.도시._비율" ## [5] "교육.군사시설.도시._비율" "유원지.임지._비율" ## [7] "공공용지.도시._비율" "인공녹지.도시._비율" ## [9] "하천.수계._비율" "고층주택지.도시._비율" ## [11] "공업시설.도시._비율" "침엽수림.임지._비율" ## [13] "암벽.석산.임지._비율" "미경지정리답.농지._비율" ## [15] "보통.특수작물.농지._비율" "처리장.도시._비율" ## [17] "저수지.늪.수계._비율" "자연초지.임지._비율" ## [19] "발전시설.도시._비율" "공업나지.도시._비율" ## [21] "인공초지.임지._비율" "경지정리답.농지._비율" ## [23] "활엽수림.임지._비율" "철로.도시._비율" ## [25] "골프장.임지._비율" "혼합수림.임지._비율" ## [27] "가축.사육시설.도시._비율" "공원묘지.임지._비율" ## [29] "과수원.농지._비율" "매립지.도시._비율" ``` --- # **3. 분석 결과 ** ## **토지피복도(녹지)** ``` ## [1] "유원지.임지._비율" "인공녹지.도시._비율" "침엽수림.임지._비율" ## [4] "자연초지.임지._비율" "인공초지.임지._비율" "활엽수림.임지._비율" ## [7] "혼합수림.임지._비율" ``` *** ## **토지피복도(건물밀집도)** ``` ## [1] "상업.업무지.도시._비율" "일반주택지.도시._비율" ## [3] "교육.군사시설.도시._비율" "고층주택지.도시._비율" ## [5] "공업시설.도시._비율" "처리장.도시._비율" ## [7] "발전시설.도시._비율" "가축.사육시설.도시._비율" ## [9] "매립지.도시._비율" ``` --- # **3. 분석 결과** ## ** 온도(avg_tmp)** *** ###: 하나의 행정구 내에서도 온도에 큰 차이 ### >> <u>573개의 그리드로 구분</u>하여 분석 </br> 온도(연속형)|온도(그리드) ----------|---------- <center><img src="image/temperature.png" width="90%"></center>|<center><img src="image/temperatureGrid.png" width="90%"></center> --- # **3. 분석 결과** ## ** 고도 10m 풍속(10m_wind_speed)** ***
--- # **3. 분석 결과 ** ## **녹지(g_sum)** ***
--- # **3. 분석 결과 ** ## **도로(road_ratio)** ***
--- # **3. 분석 결과 ** ## **건물밀집도(b_sum)** ***
--- # **3. 분석 결과** ## 클러스터링 *** <center><img src="image/clustering.png" width="80%"></center> --- # **3. 분석 결과 ** ## 클러스터 분포 *** <img src="Presentation_files/figure-html/클러스터시각화코드-1.png" style="display: block; margin: auto;" /> --- # **3. 분석 결과** ## 클러스터 간 차이 (평균 온도, 풍속) *** <img src="Presentation_files/figure-html/unnamed-chunk-2-1.png" style="display: block; margin: auto;" /> --- # **3. 분석 결과** ## 클러스터 간 차이 (건물밀집도, 녹지면적) *** <img src="Presentation_files/figure-html/unnamed-chunk-3-1.png" style="display: block; margin: auto;" /> --- # **3. 분석 결과** ## 클러스터 간 차이 (해발 평균, 배수등급 불량비율) *** <img src="Presentation_files/figure-html/unnamed-chunk-4-1.png" style="display: block; margin: auto;" /> --- # **3. 분석 결과** ## 클러스터 간 차이 (해석) *** ### -클러스터 0 : 온도가 높은 **도심** 지역 건물 밀집도, 토양 배수등급 불량 비율이 높음 ### -클러스터 1 : 딱히 두드러진 특징이 보이지 않음 ... ### -클러스터 2 : 한강 주변 지역(하천의 영향) ### -클러스터 3 : 고도가 높은 지역 해발고도가 높고 평균 녹지 면적이 넓음 ### >> 도시적 특성과 열섬현상의 관계에 집중 --- # **3. 분석 결과** ## 열섬지표 *** ###- 변수들을 0~1 사이로 스케일링하여 가중치 부여 - **cluster 0**에 속한 지역들을 대상으로 분석 - 랜덤 포레스트로 변수 중요도 추출 - 중복 변수 제거 - `%IncMSE`가 음수인 값들은 설명력을 떨어뜨리기 때문에 제거 - 가장 큰 값(X10m_wind_speed)으로 나눔 - 상관관계 부호에 따라 가중치 부여 --- # **3. 분석 결과** ## 열섬지표 *** ###- 변수들을 0~1 사이로 스케일링하여 가중치 부여 <center><img src="image/변수중요도.png" width="80%"></center> --- # **3. 분석 결과** ## 열섬지표 *** ###- 열섬지표가 높게 나타난 지역들을 중심으로 해결책 제시 ###- 다른 지역들에 비해 열섬측도가 약 2배인 지역들 선정 - 403(상계동 방학동 창동) - 408(창동) - 431(상계동) - 381(번동 수유동 미아동) - 300(둔촌동 길동 성내동) --- # **3. 분석 결과** ## 열섬지표 ***
--- # **3. 분석 결과** ## 열섬측도 상위 5개 지역의 특징 *** ####1. fid 403, 408, 431 - (실제 지도를 통해 본 결과) 철로, 도로, 공공용지, 공업시설, 교육군사시설이 큰 비중 차지 - 창동 차량기지, 도봉 면허시험장 위치 </br> ####2. fid 300, 381 - 도로, 상업 업무지역이 많고 일반 주택지가 큰 비중 차지 - 미세먼지가 매우 높은 편 --- # **3. 분석 결과** ## 서울의 풍향/풍속 분포 *** <center><img src="image/windDS.png" width="90%"></center> --- # **3. 분석 결과** ## 열섬측도 상위 5개 지역의 특징 *** ####1. fid 300: - 강남구를 지나면서 풍속이 서서히 낮아지는 경향을 보임 - 강남구의 높은 건물들이 바람의 흐름을 막고 있다고 추측 ####2. fid 403, 408, 431, 381: - 북한산의 차가운 공기가 내려오지 못한다고 추측 #### >> 북서풍/서풍 방향으로 바람길 조성 --- # **4. 해결책 제시** ##녹지화 방안 *** ####>> 도로 비중이 높은 경우, 도로 주변에 녹지 조성 + 도로설계 내에서 중앙분리대 식수, 식수대 (Cha, H.-J., & Lim, J.-H. (2011).) #### >> 건물 비중과 불투수토지의 비중이 높은 경우 나무를 심기 어려움 > 옥상녹화의 효율 (김예슬, 이빛나라, 이은희. (2014).) --- # **4. 해결책 제시** ##녹지 입지 제안 *** ###- 열섬 측도가 높은 지역에 도시숲 및 식수대(도로 양옆 가로수길)조성 ###- 건물 밀집도와 배수등급이 불량인 지역에 옥상정원 조성 --- # **4. 해결책 제시** ##독일 슈투트가르트의 **바람길** 계획 사례 *** - 주변 산지에서 생성되는 차고 신선한 바람이 유입되도록 광역종합계획과 세부 지침을 수립 - 시간당 1억 9000㎥의 신선한 공기 도시 내로 유입 <center><img src="image/독일사례.png" width="70%"></center> --- # **4. 해결책 제시 ** ## 바람길 입지 제안 *** - 북한산으로부터 내려오는 찬 공기를 효과적으로 끌어들일 필요 - 키 큰 나무를 밀도 있게 심어 신선하고 차가운 공기가 고이는 공기 댐을 만들고 강한 공기의 흐름을 확산 <img src="Presentation_files/figure-html/unnamed-chunk-6-1.png" style="display: block; margin: auto;" /> --- ##참고문헌 *** - 성선용, 박종순, 이상은, 김선희. (2019). 미세먼지 저감을 위한 도시 내 바람길 도입 방안. 국토정책 Brief, (), 1-6. - 김용진, 강동화, 안건혁. (2019). 기후변화에 따른 도시열섬현상 특성 변화와 도시설 계적 대안 모색에 관한 기초연구. 한국도시설계학회지 도시설계, 12(3), 5-14. - 김수봉, 정응호, 김용범. (2004). 도시열섬현상 완화를 위한 대구시 바람길 도입 및 조성방안에 관한 연구. 환경과학논집, 9, 143-156. - 김예슬, 이빛나라, 이은희. (2014). 제3분과 : 하천 및 도시녹지 ; 관리조방형 옥상녹화 적용 초화류의 온도저감 효과. 한국환경생태학회 학술발표논문집, 2014(1), 62-63. - Cha, H.-J., & Lim, J.-H. (2011). The Effect of Urban Road Vegetation on a Decrease of Road Surface Temperature. Journal of the Korean Institute of Landscape Architecture, 39(3), 107–116.